Los científicos de la Universidad Estatal de Iowa están trabajando hacia un futuro en el que los agricultores puedan usar aviones no tripulados para detectar, e incluso predecir, enfermedades y estrés en sus cultivos. Su visión se basa en el aprendizaje automático, un proceso automatizado en el que la tecnología puede ayudar a los agricultores a responder al estrés de las plantas de manera más eficiente.

Arti Singh, un profesor asistente adjunto de agronomía, dirige un equipo de investigación multidisciplinario que recientemente recibió una $ 499, 845 subvención del Instituto Nacional de Alimentación y Agricultura del Departamento de Agricultura de EE. UU. Para desarrollar tecnología de aprendizaje automático que podría automatizar la capacidad de los agricultores para diagnosticar una variedad de tensiones importantes en la soja. La tecnología en desarrollo utilizaría cámaras conectadas a vehículos aéreos no tripulados, o vehículos aéreos no tripulados, para recopilar imágenes a vista de pájaro de los campos de soja. Una aplicación informática analizaría automáticamente las imágenes y alertaría al agricultor de los puntos problemáticos.

"En su forma más básica, el aprendizaje automático es simplemente entrenar a una máquina para que haga algo que nosotros hacemos, "Dijo Singh." Cuando quieras enseñarle a un niño lo que es un coche, les enseñas coches. Esto es lo que estamos haciendo para entrenar algoritmos informáticos mostrando una gran cantidad de imágenes de diversos estreses de la soja para identificar, clasificar, cuantificar y predecir las tensiones en el campo ".

El equipo de investigación ha reunido un enorme conjunto de datos de imágenes de soja, algunos sanos y otros sometidos a estrés y enfermedad, que luego etiquetaron. Un programa de computadora revisa las imágenes etiquetadas y ensambla algoritmos que pueden reconocer el estrés en nuevas imágenes. Singh dijo que el programa de aprendizaje automático podría ser capaz de detectar una amplia gama de tensiones comunes en la soja. incluyendo hongos, enfermedades bacterianas y virales, así como deficiencia de nutrientes y daño por herbicidas.

El uso de imágenes hiperespectrales, o cámaras que capturan rangos de longitud de onda más allá de los que ve el ojo humano, podría permitir que la tecnología prediga la presencia de estrés incluso antes de que aparezcan los síntomas, darles a los agricultores tiempo adicional para manejar el problema, ella dijo.

La fascinación de Singh por el aprendizaje automático comenzó en 2014 cuando asistió a un seminario sobre el tema organizado por el ISU Plant Sciences Institute. Inmediatamente pensó que la tecnología era prometedora para el fitomejoramiento y la patología vegetal, pero una revisión de la literatura académica mostró que la mayor parte del trabajo en el campo provenía de disciplinas de ingeniería, no ciencias de las plantas. Se dio cuenta de que sería necesaria una mayor colaboración para hacer avanzar este campo en la agricultura.

"Necesitamos incluir también a los científicos de plantas, ", dijo." De lo contrario, tendremos ingenieros trabajando en problemas de ciencia vegetal. La colaboración entre disciplinas es lo que lo hace posible ".

Ella ayudó a formar un equipo interdisciplinario que creó una aplicación que permite a los usuarios de teléfonos inteligentes tomar fotografías de las plantas de soja para determinar si las plantas sufren de deficiencia de hierro. Ahora, el equipo de investigación tiene como objetivo ampliar su trabajo desde la aplicación original, que requiere fotos tomadas manualmente para diagnosticar un solo estrés, a algoritmos capaces de tomar imágenes de UAV e identificar una variedad de tensiones.

El futuro de la tecnología depende de la capacidad de los científicos e ingenieros para recopilar el tipo correcto de conjunto de datos y luego desarrollar la capacidad de analizar esos datos. Al final de la subvención, Singh dijo que el equipo tiene la intención de haber completado un marco de mejores prácticas para la recopilación de datos utilizando UAV. Eso incluye averiguar las resoluciones de imagen óptimas, así como alturas y velocidades óptimas para los UAV. Los investigadores esperan integrar a la perfección la recopilación de datos, curación y análisis que conducen a su aplicación en campos agrícolas para detectar y mitigar el estrés de las plantas de manera oportuna. Singh dijo que el equipo pondrá a disposición del público todos sus hallazgos al finalizar el proyecto.

El enfoque también tiene el potencial de aplicarse en muchos otros cultivos, Dijo Singh.